Modelowanie obiegu materii z wykorzystaniem modelu SWAT w programie Zintegrowanego Monitoringu Środowiska Przyrodniczego (ZMŚP) Joanna Gudowicz, Alfred Stach, Zbigniew Zwoliński Instytut Geoekologii i Geoinformacji UAM
Plan prezentacji 1. Założenia programu Zintegrowanego Monitoringu Środowiska Przyrodniczego (ZMŚP) 2. Model Soil and Water Assessment Tool (SWAT) ogólna charakterystyka i przeznaczenie cel zastosowania w programie ZMŚP dane wejściowe etapy modelowania 3. Wpływ jakości danych wejściowych na wyniki symulacji wykonywanych modelem SWAT cyfrowy model wyskościowy (DEM) mapy glebowe przykłady wyników 4. Wnioski
Założenia programu ZMŚP Zintegrowany Monitoring Środowiska Przyrodniczego (ZMŚP) funkcjonuje w ramach Państwowego Monitoringu Środowiska, a jego zadaniem jest monitoring ekosystemów w różnych typach krajobrazu Polski. Monitoring w ramach programu ZMŚP obejmuje: elementy obiegu energii i materii w zlewni rzecznej, bioindykację oraz monitoring bioróżnorodności, oraz ich wzajemne powiązania oraz relacje.
Zlewnie badawcze ZMŚP Zlewnia Powierzchnia [km 2 ] Zlewnia/ Dorzecze Mezoregion fizycznogeograficzny Jez. Gardno 2,6 Morze Bałtyckie Uznam i Wolin Parsęta 74,0 Parsęta Pojezierze Drawskie Jez. Łękuk 13,3 Węgorapa /Pregoła Czarna Hańcza 7,4 Niemen Struga Toruńska 35,2 Wisła Kraina Wielkich Jezior Równina Augustowska Pojezierze Chełmińskie Kanał Olszowiecki 20,2 Łasica/Wisła Kotlina Warszawska Zlewnia I rzędu 1,3 Kamienna/Wisła Góry Świętokrzyskie Bystrzanka 13,0 Ropa/Wisła Świerszcz 46,5 Wieprz/Wisła Beskid Niski / Pogórze Ciężkowickie Doły Jasielsko-Sanockie Roztocze Zachodnie/ Roztocze Środkowe
Zlewnie badawcze ZMŚP od roku 2015 a obszary chronione - 6 zlewni w Parkach Narodowych - 8 zlewni w zasięgu obszarów Natura 2000
Cele ZMŚP Celem ZMŚP jest: dostarczenie danych do określania aktualnego stanu środowiska oraz jego diagnoza; identyfikacja tendencji jego zmian przedstawienie krótko i długookresowych prognoz przemian środowiska w warunkach zmian klimatu i zmian antropopresji. Uzyskane z sieci pomiarowych wyniki stanowią podstawę do sporządzenia prognoz rozwoju środowiska przyrodniczego oraz identyfikacji typów i tendencji zagrożeń oraz sposobów przeciwdziałania ich negatywnym skutkom. Jednym z wykorzystywanych narzędzi w ZMŚP jest model SWAT.
Soil and Water Assessment Tool (SWAT) SWAT jest modelem ciągłego czasu, operującym w skali zlewni rzecznej dla dobowego kroku obliczeń; Został zaprojektowany do prognozowania wpływu zmian zagospodarowania zlewni (użytkowanie terenu, agrotechnika, melioracje, urbanizacja, itp.) na bilans wody, osadów i biogenów, oraz różnorodnych zanieczyszczeń; Umożliwia także wszechstronne uwzględnienie zmian klimatycznych; Głównymi składowymi SWAT są: pogoda, hydrologia, temperatura i właściwości gleb, wegetacja roślin, biogeny, pestycydy, bakterie i patogeny oraz użytkowanie terenu. Model ma charakter fizyczny (deterministyczny), a ze względu na wysoką efektywność obliczeniową umożliwia wykonywanie ciągłych symulacji dla długich przedziałów czasu; Model jest zintegrowany z GIS w oprogramowaniu ArcGIS oraz MapWindow;
Soil and Water Assessment Tool (SWAT) SWAT jest ciągle rozwijany od 20 lat (Gassman i in. 2007), a jego korzenie tkwią w początkach lat 80-tych ubiegłego wieku; obecna wersja (SWAT 2012) jest ósmą z kolei; Model był używany i testowany w setkach lokalizacji na wszystkich kontynentach, praktycznie w każdych warunkach klimatycznych i glebowych; SWAT był także szeroko używany w Europie, również w ramach projektów finansowanych przez różne agencje Komisji Europejskiej; między innymi w porównaniu z 8 innymi modelami w 17 różnych zlewniach europejskich (Gassman i in. 2007); W Polsce SWAT wykorzystywany był m.in. w Instytucie Meteorologii i Gospodarki Wodnej (IMGW 2010) oraz w innych ośrodkach naukowych (Bogdanowicz i in. 2010; Brzozowski i in. 2011; Hejduk 2011; Stach 2011; Ostojski i in. 2012; Piniewski 2012; Gudowicz 2014).
Integracja modelu SWAT z GIS DANE WEJŚCIOWE KALIBRACJA WALIDACJA SCENARIUSZE ZMIAN KLIMATU I ZAGOSPODAROWANIA ZLEWNI SYSTEM INFORMACJI GEOGRAFICZNEJ MODEL SWAT SYSTEM INFORMACJI GEOGRAFICZNEJ MODEL SWAT BAZA DANYCH SYMULACJE WYNIKI SYMULACJE PROGNOSTYCZNE SYSTEM INFORMACJI GEOGRAFICZNEJ DANE WYNIKI METODY SYMULACJE
DANE WEJŚCIOWE Etapy pracy w skalibrowanym modelu SWAT START DEM UŻYTKOWANIE TERENU GLEBY DANE METEOROLOGICZNE GIS DELIMITACJA CIEKÓW I ZLEWNI JEDNOSTKI REAKCJI HYDROLOGICZNEJ BAZA DANYCH SWAT SWAT SYMULACJA GIS OPAD EWPOTRANSPIRACJA RZECZYWISTA ODPŁYW WODY ODPŁYW OSADÓW ODPŁYW JONOWY DANE WYJŚCIOWE OCENA STOP
Dane wejściowe w SWAT Dane meteorologiczne: bazy danych m.in. IMGW, ZMŚP, NCEP Climate Forecast System Reanalysis (CFSR) Sieć hydrograficzna: Mapa Podziału Hydrograficznego Polski, Mapa Hydrograficzna Polski Pokrycie terenu i użytkowanie ziemi: mapy projektu Corine Land Cover Gleby: mapy Instytutu Uprawy Nawożenia i Gleboznawstwa (IUNG), bazy danych Harmonized World Soil Database oraz Soil Map of the World (FAO/UNESCO) Cyfrowy model wysokościowy: Numeryczny Model Terenu Bazy Danych Topograficznych (TBD), Digital Terrain Elevation Data Level 2 (DTED2), Aster GDEM, Shuttle Radar Topographic Mission (SRTM)
Dane wejściowe w SWAT Problem glebowych materiałów kartograficznych i klasyfikacji gleb. Zasady przekodowania kategorii z arkuszy Szczecinek i Barwice Szczegółowej Mapy geologicznej Polski (SMGP) na kalsy FAO wykorzystywane w symulacjach SWAT. SNAM HYDGRP TEXTURE Polska Norma Kategorie SMGP C D Clay Ił 3 CL C Clay loam Glina ilasta L B Loam Glina zwykła 1,2,4 LS A Loamy sand Piasek gliniasty 8,12,15,16,17,18,21 S A Sand Piasek słabogliniasty, piasek luźny 6,7,9,10,11,19 SC B Sandy clay Ił piaszczysty SCL B Sandy clay loam Glina piaszczysto-ilasta SI C Silt Pył zwykły SIC C Silty clay Ił pylasty 5,22,23 SICL C Silty clay loam Glina pylasto-ilasta SIL C Silt loam Pył gliniasty, pył ilasty SL B Sandy loam Glina lekka, piaszczysta 13,14,20 WA D Water Woda 24
Dane wejściowe w SWAT Problem glebowych materiałów kartograficznych i klasyfikacji gleb. Cyfrowe dane litologiczno-glebowe dla zlewni Czarnej Hańczy: po lewej powierzchniowa mapa geologiczna w skali 1 : 200 000, a po prawej utworzona na jej podstawie mapa litologiczna z wydzieleniami zgodnymi z klasyfikacją FAO.
Dane wejściowe w SWAT Problem przygotowania meteorologicznych danych pomiarowych do wykonywania symulacji SWAT związany z zastosowaniem niestandardowych wskaźników klimatycznych. Wymagane przez model charakterystyki meteorologiczne z wielolecia: TMPMX średnia miesięczna maksimów dobowych temperatury powietrza TMPMN średnia miesięczna minimów dobowych temperatury powietrza TMPSTDMX odchylenie standardowe TMPMX TMPSTDMN odchylenie standardowe TMPMN PCPMM średnia suma opadów miesięcznych PCPSTD odchylenie standardowe PCPMM PCPSKW skośność PCPMM PR_W1 prawdopodobieństwo dnia z opadem po dniu bez opadu w miesiącu PR_W2 prawdopodobieństwo dnia z opadem po dniu z opadem w miesiącu PCPD średnia liczba dni z opadem w miesiącu RAINHHMAX suma maksymalnego 0,5 godzinnego opadu w miesiącu SOLARV średnie dobowe promieniowanie słoneczne w miesiącu DEWPT średnia miesięczna temperatura punktu rosy lub wilgotność względna (opcjonalnie) WINDAV średnia dobowa prędkość wiatru w miesiącu
Dane wejściowe w SWAT Problem przygotowania meteorologicznych danych pomiarowych do wykonywania symulacji SWAT związany z zastosowaniem niestandardowych wskaźników klimatycznych. Suma maksymalnego 0,5 godzinnego opadu w miesiącu w stacjach bazowych ZMŚP (Stach 2011). STACJA Puszcza Borecka Wigry Storkowo Koniczynka Kampinos Św. Krzyż Szymbark 0 km 50 km 100 km 150 km Biała Góra MIESIĄCE I 10,20 9,38 7,58 7,40 6,63 10,95 10,48 7,15 II 6,01 7,89 7,73 6,07 8,84 8,36 16,02 7,05 III 7,18 7,74 9,17 7,56 9,09 9,10 9,51 7,95 IV 7,78 9,01 9,38 7,79 13,45 13,30 16,89 9,99 V 11,64 19,24 19,07 18,47 26,08 16,19 25,43 12,43 VI 17,84 21,35 25,83 28,05 26,18 26,11 35,00 14,42 VII 20,47 25,09 23,51 24,05 25,36 28,46 31,89 16,17 VIII 22,84 22,86 20,69 18,22 22,80 21,64 30,21 25,30 IX 17,47 16,61 13,32 14,64 15,58 18,33 14,78 13,18 X 19,96 19,61 10,91 12,04 22,01 14,45 17,51 13,41 XI 9,32 12,26 10,36 9,51 11,73 9,10 13,52 11,62 XII 9,13 7,62 9,71 6,41 9,88 10,97 12,94 8,15
Wyniki symulacji modelu SWAT w postaci serii czasowych kalibracja walidacja kalibracja walidacja Porównanie obserwowanych i symulowanych wartości rocznego odpływu wody dla profilu hydrometrycznego w Bardach. kalibracja walidacja Porównanie obserwowanych i symulowanych wartości miesięcznego odpływu wody dla profilu hydrometrycznego w Bardach. Porównanie zmierzonych i symulowanych wartości odpływu wody ze zlewni Parsęty.
Wyniki symulacji modelu SWAT w postaci kartograficznej Cztery przykładowe klatki animacji wyników symulacji bazowej ewapotranspiracji rzeczywistej w zlewni Parsęty.
Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT W procesie każdego modelowania dąży się do uzyskania równowagi pomiędzy kompletnością i szczegółowością modelu a jego użytecznością. Wielowymiarowe modele hydrologiczne, w tym model SWAT, gdzie każdy proces składowy obiegu energii i materii opisywany jest za pomocą odrębnego operatora obejmują bardzo dużą liczbę parametrów. Dzięki systemom informacji geograficznej możliwe jest proste powtarzanie procesu generowania i zmiany tych parametrów na wejściu do modelu (iteracje symulacji). Systemy informacji geograficznej umożliwiają więc szczegółową analizę wpływu poszczególnych parametrów na ostateczne wyniki modelowania i wybór najbardziej optymalnej struktury modelu dla analizowanych warunków fizycznogeograficznych zlewni.
Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT DEM Porównanie rozdzielczości cyfrowych modeli wysokościowych. Źródła DEM: DEM 10 m utworzony na podstawie interpolacji wartości poziomic map topograficznych w skali 1:10 000; DEM 30 m pozyskany z danych Digital Terrain Elevation Data Level 2 (DTED2); DEM 90 m pozyskany z danych NASA Shuttle Radar Topography Mission (SRTM Version 4).
Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT DEM Jednostka Powierzchnia zlewni Różnica powierzchni zlewni w porównaniu do MPHP Ilość zlewni cząstkowych Długość cieków Gęstość cieków [km 2 ] [%] - [km] [km km -2 ] Zlewnia wg DEM 10 m 2843,2 0,5 810 1720,1 0,6 Zlewnia wg DEM 30 m 2851,3 0,8 768 1605,8 0,6 Zlewnia wg DEM 90 m 2770,3 3,3 664 1466,9 0,5 Delimitacja cieków i zlewni cząstkowych.
Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT DEM Zlewnia reprezentatywna Kanału Olszowieckiego. Zlewnia reprezentatywna Strugi Toruńskiej.
Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT gleby Grupy granulometryczne zlewni Parsęty na podstawie danych bazy IUNG oraz map geologicznych. 1 piasek luźny (pl); 2 piasek luźny pylasty (plp); 3 piasek słabo gliniasty (ps); 4 piasek słabo gliniasty pylasty (psp); 5 piasek gliniasty lekki (pgl); 6 piasek gliniasty lekki pylasty (pglp); 7 piasek gliniasty mocny Jednostki glebowe zlewni Parsęty na podstawie danych z (pgm); 8 piasek gliniasty mocny pylasty (pgmp); 9 bazy Harmonized World Soil Database, HWSD. glina piaszczysta (gp); 10 glina lekka (gl); 11 glina 1 10132; 2 10137; 3 10141; 4-10142; 5 10153; 6 lekka pylasta (glp); 12 glina średnia (gs); 13 glina 10155; 7 10162; 8 10163; 9 10173; 10 10174; 11 średnia pylasta (gsp); 14 glina ciężka (gc); 15 glina 10177; 12 10180; 13 10181; 14 wododział zlewni ciężka pylasta (gcp); 16 ił pylasty (ip); 17 ił (i); 18 pył zwykły Jednostki (plz); glebowe 19 zlewni pył ilasty Parsęty (pli); na 20 podstawie gleby danych mułowotorfowe z bazy FAO-UNESCO (mt); 21 torfy Digital (n); 22 Soil Map żwiry of gliniaste the World. (zg); 23 żwiry 1 3196; piaszczyste 2 3201; (zp); 3 24 3236; wododział 4 6436; zlewni 5 wododział zlewni
Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT Statystyki oceny symulowanych rocznych wartości odpływu wody ze zlewni Parsęty. Wyniki roczne Projekt SWAT Okres kalibracji Okres walidacji R 2 NSE PBIAS R 2 NSE PBIAS SWAT 1: DEM 10 m; gleby 1:25 000 0,83 0,77 3,15 0,82 0,76 3,97 SWAT 2: DEM 30 m; gleby 1:1 000 000 0,77 0,67 4,37 0,74 0,63 5,67 SWAT 3: DEM 90 m; gleby 1: 5000 000 0,60 0,50 10,60 0,59 0,50 12,57 R 2 współczynnik determinacji NSE współczynnik efektywności modelu Nasha-Sutcliffa PBIAS współczynnik odchylenia procentowego
1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 [t] 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Q [mln m 3 ] Wpływ jakości danych wejściowych na wyniki symulacji modelu SWAT 1600 1400 1200 kalibracja walidacja 1000 800 600 400 200 wartości pomiarowe SWAT_1 SWAT_2 SWAT_3 Porównanie pomiarowych i symulowanych wartości rocznego odpływu wody ze zlewni Parsęty. 20000 18000 16000 14000 12000 10000 8000 6000 4000 2000 0 wartosci pomiarowe SWAT_1 SWAT_2 SWAT_3 Porównanie zmierzonych i symulowanych wartości rocznych ładunków materiału zawieszonego odprowadzanego ze zlewni Parsęty.
Średnie roczne wartości ewapotranspiracji rzeczywistej. Średnie roczne wartości odpływu podpowierzchniowego. Średnie roczne wysokości odpływu wody. Średnie roczne wartości spływu powierzchniowego. Średnia roczna wartość wskaźnika denudacji mechanicznej.
NSE NSE NSE Wpływ jakości danych wejściowych na wyniki symulacji modelem SWAT 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Roczny krok symulacji 1 2 3 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 R 2 Miesięczny krok symulacji 1 2 3 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 R 2 1 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Dobowy krok symulacji 3 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1 R 2 Współczynniki oceny projektów SWAT dla skalibrowanych wartości odpływu wody na tle wyników innych prac (Gassman i in., 2007; Douglas-Mankin i in., 2010). 1 projekt SWAT_1; 2 projekt SWAT_2; 3 projekt SWAT_3 2 1
Wnioski Pełna integracja modelu SWAT z systemem informacji geograficznej ułatwia procedurę iteracyjnego generowania i zmiany parametrów wejściowych modelu. Jakość wyników symulacji była w znaczącym stopniu uzależniona od wykorzystanych danych wejściowych oraz od przyjętego kroku czasowego obliczeń. Określono jaki typ i rozdzielczość danych przestrzennych gwarantuje uzyskanie wyników symulacji na akceptowalnym poziomie zgodności z danymi rzeczywistymi. Bardzo dobra i dobra zgodność wartości symulowanych i obserwowanych uzyskana została dla rocznego i miesięcznego kroku obliczeń; dla kroku danych dobowych rezultaty dobre i zadowalające. Skalibrowany i zwalidowany model SWAT umożliwi badanie różnych scenariuszy rozwoju ekosystemów zlewni badawczych ZMŚP.
Dziękuję za uwagę